중국 AI 클라우드 기업은 왜 미국 하이퍼스케일러의 투자 규모를 따라잡기 어렵나

AI 경쟁은 이제 모델의 성능만 겨루는 무대가 아니다. 막대한 연산 자원을 조달하고, 구축하고, 운영할 수 있는 자금력의 경쟁이기도 하다. 무디스의 판단은 중국의 하이퍼스케일 클라우드 사업자들이 AI 투자를 빠르게 확대하고 있지만, 자금 조달 능력과 글로벌 사업 기반, 이미 진행 중인 인프라 증설 규모에서 앞선 미국 대형 사업자들과의 격차는 당분간 크게 남는다는 것이다. 28

병목은 모델 역량만이 아니라 자본이다

일부 벤치마크에서 중국과 미국 AI 모델의 성능 차이가 좁아진다고 해도, 대규모 AI 서비스를 운영하는 데 필요한 물리적 기반은 사라지지 않는다. 모델 학습과 서비스 추론에는 반도체, 서버, 네트워크, 데이터센터 공간, 부지, 전력 계약이 필요하다. 수익성이 검증되기 전에 장기간 선투자가 이뤄져야 하는 영역이기도 하다.

무디스는 중국 기술기업들이 AI 투자를 늘리고 있지만, 미국 동종 기업보다 매출 기반이 작고 재무 유연성이 낮다고 지적했다. 이런 조건에서는 운영자금과 재무안정성을 함께 관리하면서 설비투자를 장기간 빠르게 늘리기가 더 어렵다. 2

반대로 미국의 초대형 플랫폼들은 클라우드, 광고, 소프트웨어, 소비자 서비스 등 여러 대형 사업에서 나오는 현금흐름으로 인프라 지출을 뒷받침할 수 있다. 물론 이것이 위험이 없다는 뜻은 아니다. 무디스는 AI 투자 경쟁이 비교적 자산 경량형이던 기술기업을 자산집약형 사업자로 바꾸면서, 하이퍼스케일러 전반의 잉여현금흐름과 신용도에 부담을 줄 수 있다고 경고해 왔다. 8

토큰 기반 AI 서비스가 비용 경쟁을 더 치열하게 만드는 이유

AI 네이티브 서비스는 토큰 수나 사용량을 기준으로 요금을 매기는 경우가 많다. 이 구조에서는 고객의 요청 하나하나를 처리하는 연산 비용이 서비스 제공자의 직접 비용이 된다. API든 기업용 제품이든 소비자 서비스든, 제공자는 추론 용량을 확보하고 유지하는 비용을 부담해야 한다.

대규모 인프라를 보유하고 이를 높은 가동률로 활용할 수 있는 기업에는 용량 확보가 비용과 서비스 안정성을 통제하는 수단이 될 수 있다. 반면 내부에서 창출하는 현금이 상대적으로 적은 사업자에게는 저가 정책, 용량 확대, 투자수익률 사이의 선택이 훨씬 더 까다로워진다.

알리바바의 자체 전망은 이런 투자 회수 기간을 보여준다. 에디 우 최고경영자는 현재의 평균 매출총이익률을 기준으로 AI 관련 설비투자가 약 3년 안에 손익분기점에 이를 것으로 예상한다고 밝혔다. AI 수요가 늘어나는 것과 인프라 투자가 즉시 수익을 내는 것은 별개의 문제라는 의미다. 1

미국의 투자 규모는 이미 매우 크다

무디스는 중국 하이퍼스케일러들이 향후 2년 동안 AI에 대규모 지출을 이어가겠지만, 설비투자 규모는 미국 경쟁사보다 여전히 크게 낮을 것으로 봤다. 2

미국의 증설 규모를 보면 이유를 알 수 있다. 포브스가 보도한 무디스 분석에 따르면 알파벳, 아마존, 코어위브, 메타, 마이크로소프트, 오라클 등 미국 주요 6개 하이퍼스케일러의 2026년 합산 설비투자는 약 7,850억 달러이며, 2027년에는 1조 달러에 가까워질 전망이다. 8

다른 전망도 같은 방향을 가리킨다. MUFG는 이른바 ‘빅5’ 하이퍼스케일러의 2026년 설비투자가 6,000억 달러를 넘고, 이 중 약 4,500억 달러가 서버·GPU·데이터센터·관련 장비 등 AI 인프라에 직접 투입될 것으로 예상했다. 3

비교 대상 기업과 설비투자 항목을 어떻게 정의하느냐에 따라 정확한 수치는 달라질 수 있다. 다만 큰 흐름은 분명하다. 중국 기업도 공격적으로 투자하고 있지만, 미국 선두 기업들은 달러 기준으로 단기간에 맞추기 어려운 규모의 자본을 집행하고 있다.

부채는 증설을 앞당기지만 재무 위험도 키운다

외부 자금은 영업현금흐름만으로 가능한 속도보다 빠르게 인프라를 구축하도록 도울 수 있다. 그러나 부채, 증자, 리스, 장기 용량 계약은 그만큼 재무제표에 위험을 쌓을 수 있다.

이는 중국만의 문제가 아니다. 무디스는 AI 인프라 구축이 기술기업 전반을 자산집약형 사업 구조로 이동시키고 있으며, 이 과정에서 자금 조달 수요도 커지고 있다고 평가한다. 8

중국 클라우드 플랫폼에는 자체 자금 기반이 상대적으로 작다는 점이 이 변화를 더 무겁게 만든다. AI 지출을 늘리는 과정에서 차입이나 외부 조달 의존도가 높아지면 이자 비용, 차환 위험, 잉여현금흐름 압박이 커질 수 있다. 무디스도 중국 기업들의 AI 투자 확대가 현금흐름과 레버리지에 압력을 가할 수 있다고 짚었다. 2

글로벌 AI 경쟁에는 어떤 의미인가

인프라 격차가 지속되면 미국 하이퍼스케일러는 최첨단급 모델 학습, 대규모 추론 배포, 글로벌 클라우드 유통에서 우위를 유지할 가능성이 있다. 미국 연방준비제도(Fed) 역시 미국이 연산 능력, 인프라, 투자 여건에서 중요한 강점을 보유한다고 분석했다. 17

그렇다고 중국 기업이 경쟁할 수 없다는 뜻은 아니다. 더 효율적인 모델 개발, 내수 수요 집중, 오픈 생태계 활용, 초대형 연산 자원 보유보다 비용과 출시 속도가 중요한 응용 분야에 집중하는 전략이 가능하다.

결국 시장은 두 갈래로 전개될 가능성이 있다. 미국 기업은 최첨단 인프라에 자금을 투입할 탁월한 능력을 바탕으로 경쟁하고, 중국 기업은 효율성·선별적 배포·자국 내 규모의 클라우드 생태계를 중심으로 맞서는 구도다. 반도체 접근성도 이 경쟁의 중요한 변수지만, 제공된 무디스 근거만으로는 미국의 수출 통제가 2028년까지 중국의 설비투자에 미칠 영향을 수치로 추정할 수는 없다.

2028년 전망에는 중요한 단서가 있다

현재 제공된 보도는 무디스의 향후 2년 전망과 미국 기업의 2026~2027년 지출 추정을 담고 있다. 따라서 격차가 이어질 가능성을 뒷받침하지만, 중국이나 미국의 2028년 AI 인프라 지출에 대한 구체적인 무디스 달러 전망을 확정하는 근거는 아니다. 28